{ "aboutHtml": "

Grok STT 1.0 je model SpaceXAI na prevod reči na text. Prijíma zvuk a vracia prepis s časovými značkami na úrovni slov a voliteľnou diarizáciou hovoriacich. Zverejnený profil podporuje aj viackanálový zvuk. Jeho užitočným výstupom je hovorený obsah prepojený s časovaním a podľa požiadavky aj s hovoriacimi v nahrávke.

Pripravte nahrávku a zadanie prepisu

Určite nahrávku, ktorú chcete prepísať, a spôsob použitia výsledku. Prepis stretnutia potrebuje sled replík; rozhovor môže potrebovať označenia hovoriacich; strihová úloha potrebuje slová prepojené s ich polohou v zvuku. Zachovajte zdrojovú nahrávku a jej identifikátor, aby sa recenzent mohol vrátiť k pôvodnej pasáži pri neistom slove alebo priradení hovoriaceho.

Použite skutočnú nahrávku namiesto prepísaného opisu jej obsahu. Pri viackanálovom zdroji zachovajte pri príprave zvuku jeho kanálovú štruktúru. Táto štruktúra a diarizácia hovoriacich opisujú rôzne časti úlohy: kanály patria nahrávke, zatiaľ čo diarizácia identifikuje striedanie hovoriacich v prepise.

Časovanie a štruktúra hovoriacich

Časové značky na úrovni slov prepájajú prepísané slová s nahrávkou. Pomáhajú nájsť citát, skontrolovať náročnú frázu alebo pripraviť neskorší krok titulkovania či strihu. Pri exporte alebo transformácii prepisu ponechajte časové značky pri slovách a dôležité pasáže overte oproti zvuku.

Voliteľná diarizácia pridáva štruktúru hovoriacich. Pred použitím priradených označení v záverečnom dokumente skontrolujte prechody, prerušovania a podobne znejúce hlasy. V nadväzujúcich poznámkach používajte stabilné označenia hovoriacich a prípadnú neskoršiu identifikáciu osoby odlišujte od zoskupenia hovoriacich vytvoreného modelom.

Použite prepis ako zdrojový materiál

Prepis môže vstupovať do pracovného postupu tvorby súhrnu, prehľadávateľného záznamu alebo prípravy titulkov. Tieto neskoršie výstupy majú zachovať príslušný úsek prepisu a časovanie zdroja. Pri citáte preskúmajte presnú zvukovú pasáž; pri zápise zo stretnutia odlíšte vyslovené slová od záverov z nich odvodených. Model vytvára prepis, zatiaľ čo formátovanie, sumarizácia a publikovanie nadväzujú na tento skutočný výsledok.

", "aboutText": "Grok STT 1.0 je model SpaceXAI na prevod reči na text. Prijíma zvuk a vracia prepis s časovými značkami na úrovni slov a voliteľnou diarizáciou hovoriacich. Zverejnený profil podporuje aj viackanálový zvuk. Jeho užitočným výstupom je hovorený obsah prepojený s časovaním a podľa požiadavky aj s hovoriacimi v nahrávke.\n\n### Pripravte nahrávku a zadanie prepisu\n\nUrčite nahrávku, ktorú chcete prepísať, a spôsob použitia výsledku. Prepis stretnutia potrebuje sled replík; rozhovor môže potrebovať označenia hovoriacich; strihová úloha potrebuje slová prepojené s ich polohou v zvuku. Zachovajte zdrojovú nahrávku a jej identifikátor, aby sa recenzent mohol vrátiť k pôvodnej pasáži pri neistom slove alebo priradení hovoriaceho.\n\nPoužite skutočnú nahrávku namiesto prepísaného opisu jej obsahu. Pri viackanálovom zdroji zachovajte pri príprave zvuku jeho kanálovú štruktúru. Táto štruktúra a diarizácia hovoriacich opisujú rôzne časti úlohy: kanály patria nahrávke, zatiaľ čo diarizácia identifikuje striedanie hovoriacich v prepise.\n\n### Časovanie a štruktúra hovoriacich\n\nČasové značky na úrovni slov prepájajú prepísané slová s nahrávkou. Pomáhajú nájsť citát, skontrolovať náročnú frázu alebo pripraviť neskorší krok titulkovania či strihu. Pri exporte alebo transformácii prepisu ponechajte časové značky pri slovách a dôležité pasáže overte oproti zvuku.\n\nVoliteľná diarizácia pridáva štruktúru hovoriacich. Pred použitím priradených označení v záverečnom dokumente skontrolujte prechody, prerušovania a podobne znejúce hlasy. V nadväzujúcich poznámkach používajte stabilné označenia hovoriacich a prípadnú neskoršiu identifikáciu osoby odlišujte od zoskupenia hovoriacich vytvoreného modelom.\n\n### Použite prepis ako zdrojový materiál\n\nPrepis môže vstupovať do pracovného postupu tvorby súhrnu, prehľadávateľného záznamu alebo prípravy titulkov. Tieto neskoršie výstupy majú zachovať príslušný úsek prepisu a časovanie zdroja. Pri citáte preskúmajte presnú zvukovú pasáž; pri zápise zo stretnutia odlíšte vyslovené slová od záverov z nich odvodených. Model vytvára prepis, zatiaľ čo formátovanie, sumarizácia a publikovanie nadväzujú na tento skutočný výsledok.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "ce3f70c00cee84c7cd6e95399a6bd0ca44c6a9a79dda24ed9bc34f9a84c6d10f", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sk", "methods": [ { "html": "
•

SpaceXAI: Grok STT 1.0

SpaceXAI /x-ai/grok-stt-1.0

Úvod

Grok STT 1.0 mení zvuk na prepis s časovými značkami na úrovni slov. SpaceXAI dokumentuje voliteľnú diarizáciu hovoriacich a viackanálový zvuk, vďaka čomu je model užitočný pri nahrávkach vyžadujúcich hovorený text aj jeho časovanie alebo štruktúru hovoriacich.

Povolené vstupy
Audio
Výsledky
Text
O modeli

Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu.

Grok STT 1.0 je model SpaceXAI na prevod reči na text. Prijíma zvuk a vracia prepis s časovými značkami na úrovni slov a voliteľnou diarizáciou hovoriacich. Zverejnený profil podporuje aj viackanálový zvuk. Jeho užitočným výstupom je hovorený obsah prepojený s časovaním a podľa požiadavky aj s hovoriacimi v nahrávke.

Pripravte nahrávku a zadanie prepisu

Určite nahrávku, ktorú chcete prepísať, a spôsob použitia výsledku. Prepis stretnutia potrebuje sled replík; rozhovor môže potrebovať označenia hovoriacich; strihová úloha potrebuje slová prepojené s ich polohou v zvuku. Zachovajte zdrojovú nahrávku a jej identifikátor, aby sa recenzent mohol vrátiť k pôvodnej pasáži pri neistom slove alebo priradení hovoriaceho.

Použite skutočnú nahrávku namiesto prepísaného opisu jej obsahu. Pri viackanálovom zdroji zachovajte pri príprave zvuku jeho kanálovú štruktúru. Táto štruktúra a diarizácia hovoriacich opisujú rôzne časti úlohy: kanály patria nahrávke, zatiaľ čo diarizácia identifikuje striedanie hovoriacich v prepise.

Časovanie a štruktúra hovoriacich

Časové značky na úrovni slov prepájajú prepísané slová s nahrávkou. Pomáhajú nájsť citát, skontrolovať náročnú frázu alebo pripraviť neskorší krok titulkovania či strihu. Pri exporte alebo transformácii prepisu ponechajte časové značky pri slovách a dôležité pasáže overte oproti zvuku.

Voliteľná diarizácia pridáva štruktúru hovoriacich. Pred použitím priradených označení v záverečnom dokumente skontrolujte prechody, prerušovania a podobne znejúce hlasy. V nadväzujúcich poznámkach používajte stabilné označenia hovoriacich a prípadnú neskoršiu identifikáciu osoby odlišujte od zoskupenia hovoriacich vytvoreného modelom.

Použite prepis ako zdrojový materiál

Prepis môže vstupovať do pracovného postupu tvorby súhrnu, prehľadávateľného záznamu alebo prípravy titulkov. Tieto neskoršie výstupy majú zachovať príslušný úsek prepisu a časovanie zdroja. Pri citáte preskúmajte presnú zvukovú pasáž; pri zápise zo stretnutia odlíšte vyslovené slová od záverov z nich odvodených. Model vytvára prepis, zatiaľ čo formátovanie, sumarizácia a publikovanie nadväzujú na tento skutočný výsledok.

Dostupné v Ailoot · vstupy a metódy

Ailoot Ultra · Prepis zvuku POST /v1/audio/transcriptions
Vstup
audio
Výstup
text
PoleTypPožiadavkaHodnoty a limityPredvolené
PolemodelTypstringPožiadavkaPovinnéHodnoty a limity
x-ai/grok-stt-1.0
Predvolené—
Poleinput_audioTypobjectPožiadavkaPovinnéHodnoty a limityPredvolené—
PolelanguageTypstringPožiadavkaVoliteľnéHodnoty a limityPredvolené—
PoletemperatureTypnumberPožiadavkaVoliteľnéHodnoty a limity
Minimum: 0
Maximum: 1
Predvolené—
Poleresponse_formatTypstringPožiadavkaVoliteľnéHodnoty a limity
json, verbose_json
Predvolenéjson
Poletimestamp_granularitiesTyparrayPožiadavkaVoliteľnéHodnoty a limityPredvolené—
PoleproviderTypobjectPožiadavkaVoliteľnéHodnoty a limityPredvolené—
Parametre a životný cyklus metódy
ParameterŠpecifikácia
Parametercontent_typeŠpecifikáciaapplication/json
ParameterrequiredŠpecifikáciamodel, input_audio
Parametermaterial_typesŠpecifikáciaaudio
Parametermaterial_conditionsŠpecifikáciaNačítajte skutočný súbor WAV a zakódujte jeho reálne bajty pre deklarovaný vstup JSON input_audio; pre túto presnú deklaráciu iba s JSON sa neuvádza žiadna trasa multipart.

Životný cyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · skutočne vrátené task_id alebo záznam v knižnici médií

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Cenník

Ako sa vypočíta konečný poplatok

Zobrazené sadzby slúžia na odhad nákladov pred generovaním. Konečný poplatok sa vypočíta z nákladov zaznamenaných pri pôvodnom generovaní. Namerané trvanie výstupu a predpokladané množstvá nepredstavujú konečné účtované množstvo.

Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde.

Rýchly režim
Neuvedené Keď je zvolený rýchly režim
Režim Flex
Neuvedené Keď je zvolený režim flex
Maximálna úroveň uvažovania
Neuvedené Keď sa pri maximálnej úrovni uvažovania používa predvolená úprava (default)

Odhadované sadzby na porovnanie

Ceny podľa konfigurácie

Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu.

KonfiguráciaSadzobníkOdhadované množstvoÚčtovacia jednotkaPoplatok
KonfiguráciaZákladné sadzby za tokenySadzobníkZákladná sadzbaOdhadované množstvo—Účtovacia jednotka—Poplatok
Vstup · Vstupné tokeny · Odhad iba na porovnanie — / 1K tokenov
Výstup · Výstupné tokeny · Odhad iba na porovnanie — / 1K tokenov
Vstup · Čítanie cache · Odhad iba na porovnanie — / 1K tokenov
Vstup · Zápis do cache · Odhad iba na porovnanie — / 1K tokenov
Vstup · Zápis do cache, 1 hod · Odhad iba na porovnanie — / 1K tokenov
Konfiguráciasekunda vstupného zvukuSadzobník—Odhadované množstvo—Účtovacia jednotkaza sekundu vstupného audiaPoplatok
Vstup · sekunda vstupného zvuku · Odhad iba na porovnanie $0.0000555555555556 za sekundu vstupného audia
KonfiguráciaOdhadované náklady na generovanieSadzobník—Odhadované množstvoodhad pre jedno generovanieÚčtovacia jednotka—Poplatok
Výstup · Odhadované náklady na generovanie · Odhad iba na porovnanie $0.0000555555555556 odhad pred generovaním

Tento odhad nepredstavuje dodatočný poplatok ani pevnú sadzbu za dokončené generovanie.

Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. Ako funguje rezervácia a vyúčtovanie →

Príklady požiadaviek

Ailoot Ultra · Prepis zvuku

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')\nif len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')\nrequest={'model': 'x-ai/grok-stt-1.0', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}\nrequest['input_audio']['data']=base64.b64encode(audio).decode('ascii')\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n

Prijať a uložiť výsledky

Ailoot Ultra · Prepis zvuku

Čítanie ďalšieho obsahu
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\n
Uchovať všetky dokončené výsledky

Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu.

Uchovajte úplnú odpoveď a hlavičky, všetky skutočné výstupy, pôvodné vrátené identifikátory a všetky polia s údajmi o spotrebe. Obnovte pôvodnú operáciu bez opätovného odoslania požiadavky na vytvorenie.

Ak treba overiť pôvodnú odpoveď

Uchovajte vrátené X-Client-Request-ID na zosúladenie záznamov. Čítajte iba skutočne vrátené hodnoty task_id/asset_id alebo vlastnú knižnicu médií; nikdy nevytvárajte URL úlohy z ID operácie a nikdy znova neodosielajte požiadavku na vytvorenie.

Polia odpovede
PoleTyp
PoletextTyp
PoleusageTyp
Polesegments[]Typ
Polewords[]Typ
Polespeaker fieldsTyp
PoletimestampsTyp

Aliasy

Aliasy modelov

Ailoot Ultra x-ai/grok-stt-1.0

Aliasy ciest metód

Použite cesty metód uvedené vyššie.

Súvisiace ID na volanie

x-ai/grok-stt-1.0

", "method_identity": { "effective_request_model_id": "x-ai/grok-stt-1.0", "fmt": "transcriptions", "http": "POST", "path": "/v1/audio/transcriptions", "request_model_id": "x-ai/grok-stt-1.0", "route_label": "Ultra" }, "method_key": "Ultra|transcriptions|/v1/audio/transcriptions|x-ai%2Fgrok-stt-1.0", "ordinal": 0, "rawMethod": { "available": null, "billing_basis": { "basis": "original_invoice_usd", "description": "Zobrazené sadzby slúžia na odhad nákladov pred generovaním. Konečný poplatok sa vypočíta z nákladov zaznamenaných pri pôvodnom generovaní. Namerané trvanie výstupu a predpokladané množstvá nepredstavujú konečné účtované množstvo.", "forecast_quantity_is_estimate": true, "physical_output_is_billable_quantity": false, "version": "original_invoice_usd_v1" }, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Uchovajte vrátené X-Client-Request-ID na zosúladenie záznamov. Čítajte iba skutočne vrátené hodnoty task_id/asset_id alebo vlastnú knižnicu médií; nikdy nevytvárajte URL úlohy z ID operácie a nikdy znova neodosielajte požiadavku na vytvorenie." }, "outputs": { "all_results": "Uchovajte úplnú odpoveď a hlavičky, všetky skutočné výstupy, pôvodné vrátené identifikátory a všetky polia s údajmi o spotrebe. Obnovte pôvodnú operáciu bez opätovného odoslania požiadavky na vytvorenie.", "family": "text", "fields": [ { "description": null, "name": "text", "type": null }, { "description": null, "name": "usage", "type": null }, { "description": null, "name": "segments[]", "type": null }, { "description": null, "name": "words[]", "type": null }, { "description": null, "name": "speaker fields", "type": null }, { "description": null, "name": "timestamps", "type": null } ] }, "parameters": [ { "enum": [ "x-ai/grok-stt-1.0" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "name": "input_audio", "required": true, "type": "object" }, { "name": "language", "required": false, "type": "string" }, { "maximum": 1, "minimum": 0, "name": "temperature", "required": false, "type": "number" }, { "default": "json", "default_known": true, "enum": [ "json", "verbose_json" ], "enum_known": true, "name": "response_format", "required": false, "type": "string" }, { "items": { "enum": [ "segment", "word" ], "type": "string" }, "name": "timestamp_granularities", "required": false, "type": "array" }, { "name": "provider", "required": false, "type": "object" } ], "request_schema": { "properties": { "input_audio": { "properties": { "data": { "contentEncoding": "base64", "type": "string" }, "format": { "enum": [ "wav", "mp3", "flac", "m4a", "ogg", "webm", "aac" ], "type": "string" } }, "required": [ "data", "format" ], "type": "object" }, "language": { "description": "ISO-639-1 code; omitted means auto-detection", "type": "string" }, "model": { "enum": [ "x-ai/grok-stt-1.0" ], "type": "string" }, "provider": { "description": "Data policy and exact provider options; order/only/ignore are not applied to STT", "properties": { "data_collection": { "enum": [ "allow", "deny", null ], "type": [ "string", "null" ] }, "options": { "type": "object" }, "zdr": { "type": [ "boolean", "null" ] } }, "type": "object" }, "response_format": { "default": "json", "description": "verbose_json requires exact model/provider support", "enum": [ "json", "verbose_json" ], "type": "string" }, "temperature": { "maximum": 1, "minimum": 0, "type": "number" }, "timestamp_granularities": { "description": "Only used with supported verbose_json", "items": { "enum": [ "segment", "word" ], "type": "string" }, "type": "array" } }, "required": [ "model", "input_audio" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": true, "body": { "input_audio": { "data": "${BASE64_ACTUAL_WAV_BYTES}", "format": "wav" }, "model": "x-ai/grok-stt-1.0" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_conditions": [ "Načítajte skutočný súbor WAV a zakódujte jeho reálne bajty pre deklarovaný vstup JSON input_audio; pre túto presnú deklaráciu iba s JSON sa neuvádza žiadna trasa multipart." ], "material_types": [ "audio" ], "required": [ "model", "input_audio" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "skutočne vrátené task_id alebo záznam v knižnici médií", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Keep the returned X-Client-Request-ID for reconciliation. Read only actual returned task_id/asset_id values or the owned media library; never build a task URL from the operation ID and never resubmit creation." }, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "text", "fields": [ { "description": null, "name": "text", "type": null }, { "description": null, "name": "usage", "type": null }, { "description": null, "name": "segments[]", "type": null }, { "description": null, "name": "words[]", "type": null }, { "description": null, "name": "speaker fields", "type": null }, { "description": null, "name": "timestamps", "type": null } ] } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0000555555555556", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0000555555555556", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] }, { "basis": "Tento odhad nepredstavuje dodatočný poplatok ani pevnú sadzbu za dokončené generovanie.", "dimensions": { "forecast_quantity": "one generation estimate" }, "label": "Odhadované náklady na generovanie", "units": [ { "amount": "0.0000555555555556", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "forecast_usd", "label": "Estimated generation cost", "native_amount_usd_per_unit": "0.0000555555555556", "native_quantity": 1, "public_unit_label": "estimate before generation", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "request_estimate" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')\nif len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')\nrequest={'model': 'x-ai/grok-stt-1.0', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}\nrequest['input_audio']['data']=base64.b64encode(audio).decode('ascii')\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n", "label": "curl · exact native body and complete result", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\n", "label": "Read existing owned assets", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "Use the exact caller model ID and documented input representation.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Prepis zvuku", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "audio_transcriptions", "out": null, "output": [ "text" ], "path": "/v1/audio/transcriptions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "original_invoice_usd", "image_input_price": null, "image_output_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0000555555555556", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0000555555555556", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] }, { "basis": "This estimate is not an additional charge or a fixed rate for the completed generation.", "dimensions": { "forecast_quantity": "one generation estimate" }, "label": "Estimated generation cost", "units": [ { "amount": "0.0000555555555556", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "forecast_usd", "label": "Estimated generation cost", "native_amount_usd_per_unit": "0.0000555555555556", "native_quantity": 1, "public_unit_label": "estimate before generation", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "request_estimate" } ] } ], "request_model_id": "x-ai/grok-stt-1.0", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.0000555555555556", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0000555555555556", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" }, { "amount": "0.0000555555555556", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "forecast_usd", "label": "Estimated generation cost", "native_amount_usd_per_unit": "0.0000555555555556", "native_quantity": 1, "public_unit_label": "estimate before generation", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "request_estimate" } ] } } ], "model_id": "x-ai/grok-stt-1.0", "nativeProvenance": { "input_facts_canonical_sha256": "9105b8419041614fd9ec9a37e5793a8f84cad2eec611409dea030fc2b9c7ad08", "input_html_sha256": "ab4d376d00cbdd7b19d22a68fa56feca71bf0cf39c501557c277bd57404a9722", "private_audit_sha256": "acf416edd178f5b55d5fed4031f4c0d95b239d10f1e69680117d3378cdbfcbcb", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/sk/x-ai-grok-stt-1-0/", "description": "Grok STT 1.0 mení zvuk na prepis s časovými značkami na úrovni slov. SpaceXAI dokumentuje voliteľnú diarizáciu hovoriacich a viackanálový zvuk, vďaka čomu je model užitočný pri nahrávkach vyžadujúcich hovorený text aj jeho časovanie alebo štruktúru hovoriacich.", "locale": "sk", "md_url": "https://ailoot.ai/models/sk/x-ai-grok-stt-1-0/index.md", "title": "SpaceXAI: Grok STT 1.0 — Ailoot", "url": "https://ailoot.ai/models/sk/x-ai-grok-stt-1-0/" }, "rawModel": { "about": "Grok STT 1.0 je model SpaceXAI na prevod reči na text. Prijíma zvuk a vracia prepis s časovými značkami na úrovni slov a voliteľnou diarizáciou hovoriacich. Zverejnený profil podporuje aj viackanálový zvuk. Jeho užitočným výstupom je hovorený obsah prepojený s časovaním a podľa požiadavky aj s hovoriacimi v nahrávke.\n\n### Pripravte nahrávku a zadanie prepisu\n\nUrčite nahrávku, ktorú chcete prepísať, a spôsob použitia výsledku. Prepis stretnutia potrebuje sled replík; rozhovor môže potrebovať označenia hovoriacich; strihová úloha potrebuje slová prepojené s ich polohou v zvuku. Zachovajte zdrojovú nahrávku a jej identifikátor, aby sa recenzent mohol vrátiť k pôvodnej pasáži pri neistom slove alebo priradení hovoriaceho.\n\nPoužite skutočnú nahrávku namiesto prepísaného opisu jej obsahu. Pri viackanálovom zdroji zachovajte pri príprave zvuku jeho kanálovú štruktúru. Táto štruktúra a diarizácia hovoriacich opisujú rôzne časti úlohy: kanály patria nahrávke, zatiaľ čo diarizácia identifikuje striedanie hovoriacich v prepise.\n\n### Časovanie a štruktúra hovoriacich\n\nČasové značky na úrovni slov prepájajú prepísané slová s nahrávkou. Pomáhajú nájsť citát, skontrolovať náročnú frázu alebo pripraviť neskorší krok titulkovania či strihu. Pri exporte alebo transformácii prepisu ponechajte časové značky pri slovách a dôležité pasáže overte oproti zvuku.\n\nVoliteľná diarizácia pridáva štruktúru hovoriacich. Pred použitím priradených označení v záverečnom dokumente skontrolujte prechody, prerušovania a podobne znejúce hlasy. V nadväzujúcich poznámkach používajte stabilné označenia hovoriacich a prípadnú neskoršiu identifikáciu osoby odlišujte od zoskupenia hovoriacich vytvoreného modelom.\n\n### Použite prepis ako zdrojový materiál\n\nPrepis môže vstupovať do pracovného postupu tvorby súhrnu, prehľadávateľného záznamu alebo prípravy titulkov. Tieto neskoršie výstupy majú zachovať príslušný úsek prepisu a časovanie zdroja. Pri citáte preskúmajte presnú zvukovú pasáž; pri zápise zo stretnutia odlíšte vyslovené slová od záverov z nich odvodených. Model vytvára prepis, zatiaľ čo formátovanie, sumarizácia a publikovanie nadväzujú na tento skutočný výsledok.", "alias_of": null, "aliases": [], "author": "SpaceXAI", "capabilities": { "context_length": 0, "manufacturer_input": [ "audio" ], "manufacturer_output": [ "transcription" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.0000555555555556", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "forecast_usd", "label": "Estimated generation cost", "native_amount_usd_per_unit": "0.0000555555555556", "native_quantity": 1, "public_unit_label": "estimate before generation", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "request_estimate" } ], "summary": "Úplný cenník konfigurácie nájdete v podrobnostiach." } ], "ctx": null, "formats": [ "transcriptions" ], "id": "x-ai/grok-stt-1.0", "input": [ "audio" ], "kind": "audio", "max_out": null, "methods": [ { "available": null, "billing_basis": { "basis": "original_invoice_usd", "description": "Zobrazené sadzby slúžia na odhad nákladov pred generovaním. Konečný poplatok sa vypočíta z nákladov zaznamenaných pri pôvodnom generovaní. Namerané trvanie výstupu a predpokladané množstvá nepredstavujú konečné účtované množstvo.", "forecast_quantity_is_estimate": true, "physical_output_is_billable_quantity": false, "version": "original_invoice_usd_v1" }, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Uchovajte vrátené X-Client-Request-ID na zosúladenie záznamov. Čítajte iba skutočne vrátené hodnoty task_id/asset_id alebo vlastnú knižnicu médií; nikdy nevytvárajte URL úlohy z ID operácie a nikdy znova neodosielajte požiadavku na vytvorenie." }, "outputs": { "all_results": "Uchovajte úplnú odpoveď a hlavičky, všetky skutočné výstupy, pôvodné vrátené identifikátory a všetky polia s údajmi o spotrebe. Obnovte pôvodnú operáciu bez opätovného odoslania požiadavky na vytvorenie.", "family": "text", "fields": [ { "description": null, "name": "text", "type": null }, { "description": null, "name": "usage", "type": null }, { "description": null, "name": "segments[]", "type": null }, { "description": null, "name": "words[]", "type": null }, { "description": null, "name": "speaker fields", "type": null }, { "description": null, "name": "timestamps", "type": null } ] }, "parameters": [ { "enum": [ "x-ai/grok-stt-1.0" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "name": "input_audio", "required": true, "type": "object" }, { "name": "language", "required": false, "type": "string" }, { "maximum": 1, "minimum": 0, "name": "temperature", "required": false, "type": "number" }, { "default": "json", "default_known": true, "enum": [ "json", "verbose_json" ], "enum_known": true, "name": "response_format", "required": false, "type": "string" }, { "items": { "enum": [ "segment", "word" ], "type": "string" }, "name": "timestamp_granularities", "required": false, "type": "array" }, { "name": "provider", "required": false, "type": "object" } ], "request_schema": { "properties": { "input_audio": { "properties": { "data": { "contentEncoding": "base64", "type": "string" }, "format": { "enum": [ "wav", "mp3", "flac", "m4a", "ogg", "webm", "aac" ], "type": "string" } }, "required": [ "data", "format" ], "type": "object" }, "language": { "description": "ISO-639-1 code; omitted means auto-detection", "type": "string" }, "model": { "enum": [ "x-ai/grok-stt-1.0" ], "type": "string" }, "provider": { "description": "Data policy and exact provider options; order/only/ignore are not applied to STT", "properties": { "data_collection": { "enum": [ "allow", "deny", null ], "type": [ "string", "null" ] }, "options": { "type": "object" }, "zdr": { "type": [ "boolean", "null" ] } }, "type": "object" }, "response_format": { "default": "json", "description": "verbose_json requires exact model/provider support", "enum": [ "json", "verbose_json" ], "type": "string" }, "temperature": { "maximum": 1, "minimum": 0, "type": "number" }, "timestamp_granularities": { "description": "Only used with supported verbose_json", "items": { "enum": [ "segment", "word" ], "type": "string" }, "type": "array" } }, "required": [ "model", "input_audio" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": true, "body": { "input_audio": { "data": "${BASE64_ACTUAL_WAV_BYTES}", "format": "wav" }, "model": "x-ai/grok-stt-1.0" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_conditions": [ "Načítajte skutočný súbor WAV a zakódujte jeho reálne bajty pre deklarovaný vstup JSON input_audio; pre túto presnú deklaráciu iba s JSON sa neuvádza žiadna trasa multipart." ], "material_types": [ "audio" ], "required": [ "model", "input_audio" ] }, "lifecycle": { "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "skutočne vrátené task_id alebo záznam v knižnici médií", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Keep the returned X-Client-Request-ID for reconciliation. Read only actual returned task_id/asset_id values or the owned media library; never build a task URL from the operation ID and never resubmit creation." }, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "text", "fields": [ { "description": null, "name": "text", "type": null }, { "description": null, "name": "usage", "type": null }, { "description": null, "name": "segments[]", "type": null }, { "description": null, "name": "words[]", "type": null }, { "description": null, "name": "speaker fields", "type": null }, { "description": null, "name": "timestamps", "type": null } ] } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0000555555555556", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0000555555555556", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] }, { "basis": "Tento odhad nepredstavuje dodatočný poplatok ani pevnú sadzbu za dokončené generovanie.", "dimensions": { "forecast_quantity": "one generation estimate" }, "label": "Odhadované náklady na generovanie", "units": [ { "amount": "0.0000555555555556", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "forecast_usd", "label": "Estimated generation cost", "native_amount_usd_per_unit": "0.0000555555555556", "native_quantity": 1, "public_unit_label": "estimate before generation", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "request_estimate" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set the path to your actual WAV recording}\"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\nimport base64\naudio=Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4]==b'RIFF' and audio[8:12]==b'WAVE'): raise SystemExit('Supply an actual WAV audio file')\nif len(audio)>26214400: raise SystemExit('Use a documented supported large-file flow')\nrequest={'model': 'x-ai/grok-stt-1.0', 'input_audio': {'data': '${BASE64_ACTUAL_WAV_BYTES}', 'format': 'wav'}}\nrequest['input_audio']['data']=base64.b64encode(audio).decode('ascii')\nPath('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Keep the complete original response and headers. Read every returned segment, word and usage field.\n# Preserve actual operation/task/asset IDs; continue reads of the original result without resubmitting.\n", "label": "curl · exact native body and complete result", "language": "bash" }, { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\n", "label": "Read existing owned assets", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "Use the exact caller model ID and documented input representation.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Prepis zvuku", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "audio_transcriptions", "out": null, "output": [ "text" ], "path": "/v1/audio/transcriptions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "original_invoice_usd", "image_input_price": null, "image_output_price": null }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0000555555555556", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0000555555555556", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] }, { "basis": "This estimate is not an additional charge or a fixed rate for the completed generation.", "dimensions": { "forecast_quantity": "one generation estimate" }, "label": "Estimated generation cost", "units": [ { "amount": "0.0000555555555556", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "forecast_usd", "label": "Estimated generation cost", "native_amount_usd_per_unit": "0.0000555555555556", "native_quantity": 1, "public_unit_label": "estimate before generation", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "request_estimate" } ] } ], "request_model_id": "x-ai/grok-stt-1.0", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": false, "estimate_only": true, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.0000555555555556", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0000555555555556", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" }, { "amount": "0.0000555555555556", "amount_unit": "usd_per_exact_native_unit", "billing_input": false, "estimate_only": true, "key": "forecast_usd", "label": "Estimated generation cost", "native_amount_usd_per_unit": "0.0000555555555556", "native_quantity": 1, "public_unit_label": "estimate before generation", "quantity": 1, "quantity_is_estimate": true, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "request_estimate" } ] } ], "model_aliases": [ { "canonical_model_id": "x-ai/grok-stt-1.0", "request_model_id": "x-ai/grok-stt-1.0", "route_label": "Ultra" } ], "name": "SpaceXAI: Grok STT 1.0", "price": { "estimate_only": true, "in": null, "in_label": null, "out": 5.55555555556e-05, "out_label": "estimate before generation", "scope_label": "Estimated generation cost", "sort_in": null, "sort_out": 5.55555555556e-05, "varies": false }, "short": "Grok STT 1.0 mení zvuk na prepis s časovými značkami na úrovni slov. SpaceXAI dokumentuje voliteľnú diarizáciu hovoriacich a viackanálový zvuk, vďaka čomu je model užitočný pri nahrávkach vyžadujúcich hovorený text aj jeho časovanie alebo štruktúru hovoriacich." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Grok STT 1.0 mení zvuk na prepis s časovými značkami na úrovni slov. SpaceXAI dokumentuje voliteľnú diarizáciu hovoriacich a viackanálový zvuk, vďaka čomu je model užitočný pri nahrávkach vyžadujúcich hovorený text aj jeho časovanie alebo štruktúru hovoriacich.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "15abc110c409b4932886d5a7e9eb9418a9912a6cc3386fee7be6b4c3e6222458", "renderer_sha256": "94893ba0fa4d7b7d32370787b705f436a4c2569f84ec7b33063549adc74b07e0" }, "sourceRevision": "bda86d739195f0695b0fb494529970814ba1dfdc047eea8c20b20e6bdb3cb95f" }